学位论文 > 优秀研究生学位论文题录展示

基于贝叶斯分类方法的中文问句分类研究

作　者: 李慧
导　师: 邸书灵
学　校: 石家庄铁道学院
专　业: 计算机应用技术
关键词: 问答系统贝叶斯分类模型中文问句分类依存句法分析增量学习模糊集反馈机制加权贝叶斯分类模型
分类号: TP391.1
类　型: 硕士论文
年　份: 2010年
下　载: 42次
引　用: 0次
阅　读: 论文下载

内容摘要

问句分类为问句分析的首要任务,其过程描述为：将问句表示为数据特征形式；设计分类器；将分类器的输出作为类别标签。特征提取和分类器的设计为本文的重点和难点。本文主要研究贝叶斯分类方法及改进,并将其应用于中文问答系统的问句分类中。选取贝叶斯分类模型构建分类器,并结合中文问句的特点提出了以下特征提取方法和两个改进分类模型：(1)提取句法分析结果为问句特征句法分析属于浅层语义分析,弥补了问句词汇信息量少的不足。根据句法分析结果提取句子主干、疑问词及其附属成分作为特征项,同时对句中出现的时间词进行合并,未登录词进行命名实体识别,以改进特征向量的优越性。(2)基于模糊反馈机制的增量式半朴素贝叶斯分类模型从增量学习主动选择策略的不确定性出发,选取后验概率接近于1/n为类别数)的样本加入训练集,提出基于模糊反馈机制的增量学习模型。以半朴素贝叶斯模型为基础贝叶斯模型,利用参数的Dirichlet分布特性,选取后验期望估计参数值。根据归一性原则选取隶属度函数,采用试探法确定阈值大小。(3)x2-IDF加权贝叶斯分类模型加权贝叶斯模型的出发点为贝叶斯最大后验假设,对于不同的句子,各个特征项对于问句分类提供的信息不同,结合x2统计量的特点,引入x2-IDF评估函数作为特征项的权重计算式,衡量每个特征项对分类的贡献,计算特征向量属于每个类别的后验概率,更合理地诠释最大后验假设。论文结合哈尔滨工业大学自然语言研究室提供的问题集对上述模型进行实现和测试,并给出实验分析数据和结论以及评价结果。比较实验结果,证明本文提出的改进贝叶斯模型提高了分类器精度。论文最后总结全文,提出下一步研究重点。

基于贝叶斯分类方法的中文问句分类研究

内容摘要

全文目录

相似论文